本书介绍了矩阵及其相关内容，共有17章，主要介绍了矩阵及其运算、高斯算法及其一些应用、n维向量空间中的线性算子、矩阵的特征多项式与最小多项式、矩阵函数、多项式矩阵的等价变换（初等因子的解析理论）、n维空间中线性算子的结构（初等因子的几何理论）、矩阵方程、U－空间中的线性算子、二次型与埃尔米特型等内容。书中配有相关的例题及解答，可供读者更好地了解相应的内容。 本书适合高等院校师生和数学爱好者参考阅读。

本书系统介绍了凸分析基础的五个核心部分。①涉及与凸集理论有关的线性子空间、仿射集、超平面、凸包、单纯形、闭包、内部、相对内部、凸集分离和支撑超平面等基本性质和一些重要定理。②涵盖了与凸锥有关的顶点锥、锥包、凸锥包、回收锥、共轭锥（正极锥）、负极锥、法锥与切锥、障碍锥、凸锥分离、多面体、多面锥和多面体集等基本性质和重要定理。③细述了实值(有限值)凸函数、可微凸函数、正常与非正常凸函数、复合凸函数、半连续凸函数、闭凸函数、连续凸函数和Lipschitz连续凸函数、共轭凸函数、支撑凸函数、规范凸函数、严格凸函数、半严格凸函数、显凸函数等性质和定理。④阐述了拟凸函数、半严格拟凸函数、显拟凸函数、伪凸函数、二次可微广义凸函数和广义单调性等广义凸函数的基本理论与性质。⑤讨论了凸函数的微分学基本理论，

《知识图谱与金融大数据分析》探讨了知识图谱技术及其在金融大数据分析中的创新应用。针对金融大数据的多维关联、时序多频、尖峰厚尾等特点对数据分析带来的挑战，《知识图谱与金融大数据分析》在知识图谱基础上提出了知识大图，对时序多元语义关系进行统一组织与表示，构建亿级金融知识大图。针对系统性金融风险防控、中小企业信用风控等重要问题，《知识图谱与金融大数据分析》提出了基于知识大图的体系化金融大数据分析技术方案，介绍了具有多元查询、股权穿透、舆情监测、控制计算、欺诈识别等功能的金融风控大脑，实现对金融风险的精准、实时、动态识别、评估与防控。

《数论的方法》是闵嗣鹤编著的《数论的方法》上册（1958年**版）、下册（1981年**版）的合订本。《数论的方法》分三篇。**篇介绍数论中几种重要的初等方法，包括Шнирeлъман的密率论及由此发展而成的渐近密率与本性分量的理论，Brun的筛法与更精密的Selberg筛法，素数定理的初等证明与弱型Goldbach问题的初等解法等;第二篇介绍解析数论的一些基本理论与方法，包括关于黎曼ζ函数与狄氏L函数的一些基本理论及应用这些理论来研究自然数串中或一般算术级数中的素数分布的方法等;第三篇系统地论述了三角和方法，包括有理型三角和、素变数三角和及二维三角和方法等。三角和方法是数论中*重要的方法之一。作者以较少的篇幅，阐明了三角和方法的基本内容，并且给出了在哥德巴赫问题、除数问题等方面的应用。

本书以 Python 软件为基础, 详细介绍了数学建模的各种常用算法及其软件实现, 内容涉及高等数学、工程数学中的相关数学实验、数学规划、插值与拟合、微分方程、差分方程、评价预测、图论模型、多元分析、Monte Carlo 模拟、智能算法、时间序列分析、支持向量机、图像处理等内容, 既有对算法数学原理的详述, 又有案例和配套的 Python 程序. 本书含有 Python 快速入门基础, 可以帮助 Python 零基础的读者快速掌握Python 语言. 但对于没有其他任何编程语言基础的读者, 建议参考一些更加具体的 Python 相关书籍.

本书聚焦于非连续正交函数及其在工程中的应用。共9章。前3章介绍Wlalsh函数、Haar函数、正交样条函数；第4章与第5章分别介绍U-系统与V-系统；第6章谈三角域上非连续正交函数的构造；后3章以数字几何与数字图像处理中的实际问题为背景，详细阐述利用U、V-系统的解决途径。本书读者对象为应用数学专业的本科生、研究生和教师，以及信号处理、数字几何、图像处理、计算机图形学等领域的研究人员及工程师。

本书是为大学本科学生编写的一本关于高等数学的基本概念与基本性质的学习指导书，是针对高等数学中的基本概念、基本性质结合相关应用而编写的，以命题的形式提出问题。